Фаза 1 · Фундамент
Понять разницу между workflow и agent. Освоить пять базовых паттернов: chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer.
Материалы — обязательно к прочтению
Единственный датированный блок курса: какие модели, стандарты и инструменты актуальны сейчас. Смотреть перед выбором стека для практики и раз в квартал — чтобы заметить, что поменялось.
Как модель ведёт многошаговую работу с инструментами: один вызов или цикл, состояние между ходами, где заканчивается workflow и начинается агент. Старой страницы «Agent Architectures» в доках больше нет — это её практическая замена.
Официальный интерактивный трек: концепции, инструменты, оркестрация, практические сценарии и безопасность агентов.
Концепции у трёх компаний одинаковые, но акценты разные. Полезно для собственной картины.
Быстро, отмечая паттерны: XML-теги, role assignment, prefilling, chain-of-thought, few-shot.
Клонировать, запустить ноутбуки — реализации всех паттернов из Building Effective Agents в коде.
Context engineering — преемник prompt engineering: управление всем токен-бюджетом (системные инструкции, tools, память, история), а не только формулировками. Главный рычаг качества агента.
Первоисточник таксономии пяти паттернов: chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer. Прочитать, чтобы видеть, как таксономия держится в 2026.
Практические задания
Реализовать простейший паттерн Chaining на чистом Python
Скрипт, передающий структурированный вывод одного вызова API (JSON с планом) на вход следующему — без сторонних библиотек.
Написать классификатор Routing на основе structured output
Роутер запросов: распределяет сообщения по 3–4 категориям и вызывает соответствующую функцию.
Создать автономный цикл Evaluator-Optimizer
Два агента: генератор кода по ТЗ и критик, запускающий тесты. Цикл до исправления всех ошибок или лимита в 3 итерации.
Провести context-аудит одного своего промпта
Взять реальный рабочий промпт и разложить по секциям из статьи про context engineering: инструкции / tools / retrieval / история. Записать, где потрачены лишние токены и чего не хватает.
0 /12 материалов завершено
Эта фаза — фундамент всего курса. Разбираемся, чем агент отличается от workflow, и собираем словарь из пяти базовых паттернов. Цель недели — карта паттернов и рабочий словарь терминов, к которым вы будете возвращаться дальше.
Мои заметки
Не сохраненоСамопроверка
Вопрос 1 из 4
В чём ключевое отличие workflow от agent по определению Anthropic?
Правильно: B. Workflow — система с предопределёнными путями, где LLM используется как компонент. Agent сам управляет потоком: решает, какие инструменты вызывать и когда остановиться.
Вопрос 2 из 4
Какой из паттернов НЕ описан в Building Effective Agents?
Правильно: C. Knowledge distillation — техника обучения моделей, не паттерн построения агентов. В статье: prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer.
Вопрос 3 из 4
Что такое «augmented LLM» по терминологии Anthropic?
Правильно: B. Augmented LLM — базовый блок агентных систем: модель + tools + retrieval + memory. Всё остальное — комбинации этого блока.
Вопрос 4 из 4
Чем context engineering отличается от prompt engineering по определению Anthropic?
Правильно: B. Anthropic определяет context engineering как следующий этап после prompt engineering: вопрос не «какие слова написать», а «какая конфигурация контекста даст нужное поведение». Сюда входит бюджет токенов, порядок секций, память и определения инструментов.
0 / 4